Attestable Audit: Property-Based Attestation for Proprietary Workloads without Artifact Disclosure
该论文针对远程证明（remote attestation）在专有软件场景下的信任缺口提出了一种新架构。背景是：可信执行环境（TEE）通过硬件绑定密钥对自身配置信息签名，生成包含内部加载代码度量值（cryptographic digests
#zero-knowledge-proof
共收录 35 条相关情报。
← 返回所有主题Physics-Attested Federated Learning: Securing Collaborative Anomaly Detection in Critical Water Infrastructure
该论文针对工业控制系统（尤其是关键水务基础设施）中联邦学习入侵检测的一个根本性缺陷展开研究：现有防御机制几乎全部在"模型更新空间"内运作（如 Krum、FoolsGold、Trimmed-Mean 等聚合规则），聚合服务器只能看到客户端上传
BenX: Resource-Sharing Permutations for Computational Integrity
本文针对计算完整性（computational integrity）证明系统中所使用的、定义在素域 F_p 上的密码学哈希函数，提出了一种名为 BenX 的新型置换（permutation）设计与哈希构造。研究背景是：在以零知识证明为代表的
zkSAS: Practical Zero-Knowledge Proofs for Verifiable Spectrum Access Management
该论文聚焦动态频谱接入（DSA）中频谱接入系统（SAS）长期存在的「可验证性」与「隐私保护」矛盾。现有集中式 SAS（如美国 CBRS 采用的多层频谱共享架构）由少数运营方掌握分配逻辑，频谱用户（PAL/GAA 用户以及既有 incumbe
Seal, Then Sample: Sampled Layerwise Proofs for Verifiable LLM Inference from GPT-2 to 70B
该论文研究的是「外包大模型推理的可验证性」问题：当用户把推理任务交给第三方服务（云厂商、推理市场）时，如何让服务方向验证者证明其确实执行了指定模型的指定计算，并且没有篡改输出，同时把审计成本压到服务方可承受的水平。作者提出 Sampled
FASTAR: FRI Accelerator for Scalable Transparent ARguments of Knowledge
零知识证明（ZKP）允许证明者在不泄露底层秘密的前提下，向验证者密码学地证明某个陈述有效，是「可验证计算」的基础原语。当前 ZKP 技术栈正在经历一次根本性转向：以 Groth16 为代表的经典 zk-SNARK 依赖可信设置（truste
ServeGuard: Verifiable, Bounded-Residual Confinement of Operator-Invisible Channels Without Revealing the Certified Read Factor
开源权重语言模型的第三方适配器（adapter）通常以不透明的权重矩阵形式分发，接收方在不信任发布方、又不检查权重（而权重正是发布方的核心资产）的前提下，无法判断适配器是否被植入后门。论文聚焦其中一类特别棘手的情形：把载荷放进安全监控器在结
TrustBOM: A Scalable Architecture for Confidentiality-Preserving SBOMs Across Organizations
该论文聚焦软件供应链治理中的一个现实矛盾:SBOM(软件物料清单)已成为企业架构中治理软件供应链的关键机制,但跨组织共享 SBOM 会暴露敏感的依赖信息(具体的第三方组件、版本、内部技术栈),出于商业机密与攻击面收敛的顾虑,供应商普遍不愿意
Scaling Zero Knowledge UNSAT Verification via Normalized Chaining
该论文关注形式化验证与软件保障中的基础原语——UNSAT 证明（不可满足性证明）。在实际工程中，SAT/SMT 求解器生成的证明往往编码了专有逻辑、内部约束或安全敏感信息，直接公开披露会导致知识产权泄露或攻击面暴露。零知识 UNSAT 认证
Locus: A Framework for Exploring and Optimizing Point Addition Hardware for Zero-Knowledge Proofs
该论文聚焦零知识证明（ZKP）在实际部署中面临的性能瓶颈问题。ZKP 是实现隐私保护计算与可验证计算的关键技术，但其底层密码学原语计算开销极高。椭圆曲线上的点加（Point Addition, PADD）正是其中最基础、被调用最频繁的原语之
Atlas: Efficient Verifiable Semantic Search
该论文关注语义检索的可验证性问题。现代应用的推荐系统、网页搜索与大模型 RAG（检索增强生成）都依赖语义检索：服务提供方掌握索引并执行查询，客户端只能被动信任结果确实由约定算法在指定索引上产生。恶意或成本敏感的提供方可能截断检索结果、引入排
Guppy: Efficient Light Clients via Recursive Zero-Knowledge Proofs
传统轻客户端依赖验证者每个区块都通过 Merkle 树等状态承诺对整个区块链状态进行提交，客户端从而能用短证明验证事实。但维护大规模且不断增长的状态树给验证者带来显著负担，且位于区块生产的关键路径上。因此许多现代高吞吐链选择完全避免这种方案
ZK-eSIM: A Privacy-Centric Zero-Knowledge Approach for eSIM Provisioning
本文提出 ZK-eSIM，一种面向 eSIM 远程配置（GSMA RSP）流程的隐私保护重设计方案。现有 RSP 在配置文件订购和下载阶段会暴露长期标识符，例如稳定的设备标识符 EID、配置文件标识符以及长期证书材料，使得移动运营商和配置文
Private Access Control for Function Secret Sharing.
该论文首次系统性地研究了函数秘密共享（Function Secret Sharing, FSS）中的访问控制问题。FSS 允许一个分发者将函数 f 的份额分发给两个或多个评估者，评估者可以在不泄露 f 本身信息的情况下，对任意输入 x 本地
OreProof: Verifiable Provenance with Limited Disclosure for Critical-Minerals Supply Chains Using Zero-Knowledge Proofs
本文报告了 OreProof 的设计科学实践：一个面向关键矿物（以黄金为实例）供应链的可追溯性平台原型。核心问题在于供应链中存在结构性矛盾：监管方和买家要求可验证的来源，而上游参与者不愿透露供应商身份、品位/产量和价格等敏感信息。OrePr
Zero-Knowledge Predicate Proofs Between AI Agents: A Measured, Cross-Protocol Gateway and the Source-Integrity Gap
该论文针对多智能体AI平台从试运行快速走向生产过程中代理间信任机制原始的问题。当前代理要么传输原始数据（过度共享），要么接受对方的自然语言自我声明（不可验证且易受提示注入攻击）。现有应对方案侧重于身份、可见性和事后检测，而近期提出的密码学强
zkLogin: Privacy-Preserving Blockchain Authentication with Existing Credentials.
该论文提出 zkLogin，一种面向区块链系统的隐私保护认证方案，允许用户使用现有的 Web2 身份凭据（如 Google、Facebook 等 OAuth 账号）登录区块链应用，而无需管理私钥或助记词。核心思想是利用零知识证明（ZKP）将
zkCross: A Novel Architecture for Cross-Chain Privacy-Preserving Auditing.
本文提出了一种名为 zkCross 的新型跨链隐私保护审计架构。随着区块链生态中跨链交互日益频繁，跨链交易的安全性和隐私性成为关键挑战：一方面需要确保跨链数据的完整性和审计可追溯性，另一方面又要保护交易双方的隐私，避免敏感信息泄露。现有跨链
ShadowPath: Lookup-Private Credential Status Verification over Authenticated State
本文提出 ShadowPath，一种面向可验证凭证（Verifiable Credentials）的隐私保护撤销状态验证方案。在可验证凭证模型中，持有者可以出示由颁发者签名的数字声明，而无需颁发者参与每次出示过程。但撤销机制使隐私模型复杂化
Certified but Private: Scalable Zero-Knowledge Proofs for Neural Network Guarantees
本文提出 PANDA，一个基于零知识证明（ZKP）的可扩展系统，用于在保护神经网络模型参数私密性的同时，形式化地证明模型的鲁棒性和公平性。随着机器学习模型在安全关键和法律合规场景中的部署日益增多，模型的鲁棒性和公平性保证变得重要，但模型参数